Biomechanical Parameters and Clinical Assessment Scores for Identifying Elderly Fallers Based on Balance and Dynamic Tasks
Notice bibliographique
Résumé
Accidental falls are a major health concern among older adults. Currently, fall prevention programs employ clinical assessment scores for identifying elderly fallers based on cut-off values. Biomechanical parameters provide crucial information differentiating pathological gait and posture and can be used to classify elderly fallers and non-fallers. Pattern recognition models based on biomechanical parameters may provide greater insight for such classification. The purpose of this study was to compare the classification accuracy of different pattern recognition models for identifying elderly fallers using biomechanical parameters measured during balance and gait tasks. Pattern recognition models were also developed using clinical assessment scores and compared to the models based on biomechanical parameters for accurately identifying elderly fallers. Participants included 58 non-fallers (age = 72.3 ± 5.7) and 41 fallers (age = 74.0 ± 12.3) who performed balance and gait tasks on a walkway with embedded force plates and pressure mats. The parameters included 2D ground reaction force (GRF), center of pressure (COP), and the plantar pressure (PP). Using this data as input, different classification algorithms were used to build models. Maximum accuracy of 86.02% for classifying faller/non-faller categories was obtained using a classifier based on biomechanical parameters from combined gait and balance tasks. The GRF parameters ranked higher than COP and PP parameters based on F-score ranking suggesting predictor importance of GRF parameters. The classification performance was further improved by adding GRF parameters to the more commonly used COP parameters. However, the classifiers based on clinical assessment scores resulted in a maximum accuracy of 92.93% suggesting that elderly fallers can be accurately classified using pattern recognition models based on clinical assessment scores.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».